基于工藝驅動的采煤機智能截割調控

摘要：傳統采煤機截割調控缺乏對采煤機滾筒狀態的分析，導致截割模板生成質量低；未充分考慮工作面起伏情況和地質環境條件，無法得到最優截割路徑；依賴采煤機自身控制單元無法及時調整滾筒高度。針對上述問題，提出了一種基于工藝驅動的采煤機智能截割調控方案。按照工作面液壓支架編號，實時采集對應的滾筒截割高度數據，并結合滾筒截割高度歷史數據對實時數據進行處理，生成符合工作面頂底板曲線趨勢的采煤機截割模板；基于工作面頂底板寫實數據、人工割煤經驗，規劃采煤機截割路徑并進行實時干預，實現采煤機滾筒截割高度與工作面頂底板曲線的自適應耦合；通過編輯采煤工藝和設置截割模板數據，形成采煤工藝表文件，并依此調節采煤機滾筒截割高度，實現采煤機自適應調高控制?；诠に囼寗拥牟擅簷C智能截割調控方案應用于神東煤炭集團榆家梁煤礦43207 工作面，實現了無人化采煤常態化作業，將生產班工作面作業人員由3 人減少至工作面中部無人，采煤機自動割煤率達97% 以上。

關鍵詞：采煤機；截割調控；工藝驅動；截割模板；路徑規劃；滾筒調高

中圖分類號：TD632/67 文獻標志碼：A

0 引言

煤礦智能化無人開采是煤炭開采技術發展的終極目標，是煤礦智能化建設的核心，對實現煤礦減人、增安、提效具有重要意義[1-3]。采煤機作為綜采工作面的核心裝備，實現其智能截割調控是智能化無人開采的必要基礎保障[4]。

采煤機智能截割調控包含截割模板生成、截割路徑規劃和智能調高控制3 個方面，分別對應采煤機運行中的智能感知、智能決策和智能執行。

截割模板生成是確定采煤機滾筒截割高度的重要依據。目前普遍方法是依據煤礦高精度三維地質模型數據，沿工作面傾向剖切獲得截割模板數據。李森等[5]以地質模型數據為依據，采用基于趨勢分解與機器學習的滾筒截割高度預測方法生成截割模板。侯運炳等[6]利用煤層精細化物探數據構建工作面高精度三維地質模型，并以此提取截割模板。李旭等[7]利用煤礦地質數據、工作面切眼數據和工作面運輸巷與回風巷實際數據，采用三次樣條插值方法建立了初始三維數字截割模板。但現有方法缺乏對采煤機滾筒狀態的分析，使得截割模板生成質量難以保證，甚至會造成無法根據工作面實際煤層變化靈活指導采煤機作業。

截割路徑規劃是基于生成的初始截割模板，結合預測模型或人工經驗等，規劃未來時刻的采煤機截割路徑，一方面實現工作面傾向的頂底板最優截割曲線（與煤層邊界誤差最?。硪环矫鎸崿F工作面連續推進。司壘等[8]建立了多輸入、單輸出的最小二乘支持向量機滾動預測模型，提出了一種基于煤層分布預測的采煤機截割路徑規劃方法。董剛等[9]針對采煤機上滾筒截割過程中在頂板煤巖界面彎曲區域極易截割到頂板巖石的問題，提出了一種基于虛擬煤巖界面的采煤機上滾筒路徑規劃方法。然而現有方法未充分考慮工作面起伏情況和地質環境條件，導致得到的截割路徑不是最優，進而使得采煤機無法精準調整滾筒截割高度，影響采煤效率和質量。

智能調高控制是通過軟件程序及采煤機高精度控制單元，在截割過程中使滾筒實現自適應調高。符大利[10]分析了基于透明地質模型的截割曲線規劃原理，建立了透明工作面自動調高模型，并進行了采煤機規劃調高的工程應用。鐘立雯[11]設計了一種基于極限學習機的PID 控制方法，實現了采煤機的非線性、延時自適應調高。王煥文等[12]針對薄煤層等復雜地質條件下的采煤機自動化開采作業，構建了基于單向示范刀的采煤機記憶截割模型，依照該模型使采煤機實現智能調高，提高了示范刀采樣軌跡和截割軌跡的吻合度。李旭東[13]提出了采煤機自動調高控制策略及截割曲線的擬合方式，在此基礎上設計了自動調高控制系統。劉送永等[14]采用基于新型神經網絡觀測器的間接自適應規定性能控制方法，實現采煤機自動調高控制。許連丙[15]研究了基于Elman 神經網絡的采煤機智能調高控制算法，實現了采煤機截割滾筒自動調高。但是，目前調高控制方法依賴采煤機自身控制單元（例如記憶截割模式），一旦地質條件發生變化，無法及時實現自適應調控，影響截割效果。

為解決上述問題，本文提出了一種基于工藝驅動的采煤機智能截割調控方案。按照工作面液壓支架編號采集采煤機滾筒截割高度數據并進行處理，動態生成截割模板；結合工作面頂底板寫實數據與人工割煤經驗，對截割模板進行修正，得到最優截割路徑；根據不同采煤工藝階段，實現采煤機滾筒自適應調高。該方案適用于不同采煤工藝的綜采工作面，可為推進無人化采煤提供技術支撐。

1 基于工藝驅動的采煤機智能截割調控總體方案

基于工藝驅動的采煤機智能截割調方案如圖1所示。集控上位機軟件平臺位于地面控制中心操作島，與采煤機通過礦井環網連接。結合采煤機滾筒截割高度歷史數據，對采集的滾筒截割高度實時數據進行處理，生成采煤機截割模板；結合工作面頂底板寫實數據與人工割煤經驗，規劃采煤機下一刀的頂底板截割路徑；依據采煤工藝，下發滾筒截割高度調節量至采煤機，形成新一代“井上智能決策、煤機智能調控”的采煤機智能截割模式。

2 基于工藝驅動的采煤機智能截割調控關鍵技術

2.1 采煤機截割模板動態生成

現有采煤機記憶截割系統輸入數據來源于傳感器采集的截割高度數據[16-18]，并沒有考慮支架的位置和寬度，因此，無法在截割模板中準確提取采煤機滾筒到達每個支架時所需的截割高度數據，導致截割模板數據（頂底板曲線）與真實設備的安裝部署條件不匹配，截割模板數據可信度明顯降低，造成未來的截割路徑與煤巖分界線偏差大。因此，本文按照工作面液壓支架編號采集采煤機滾筒截割高度數據并進行處理，動態生成采煤機截割模板，具體流程如圖2 所示。

在采煤機截割過程中，采煤機截割位置支架編號不斷變化，左右滾筒位置支架編號也不斷變化，集控上位機軟件平臺實時采集滾筒截割高度數據，并按照滾筒位置支架編號添加到滾筒截割高度數組；同時，集控上位機軟件平臺對滾筒位置進行周期校驗，判斷是否存在跳變異?，F象（即支架編號不連續） ，使用拉格朗日多項式插值法補齊跳變位置數據，采用修剪均值算法優化整個數組，最終獲得完整的采煤機滾筒截割高度數組。

在采煤機割一刀煤結束時，根據采煤機滾筒截割高度數組，按照0.1 架的間隔，采用分段線性插值算法得到頂底板2 條曲線。結合歷史頂底板曲線數據，使用最近鄰插值法優化這2 條曲線數據，使滾筒截割高度數據更連續；使用高斯濾波算法去除頂底板曲線中的波峰與波谷，使滾筒截割高度數據更平滑；根據人工設定的閾值，分別對頂底板曲線進行插值平滑處理，最終生成下一刀采煤機截割模板。插值平滑處理具體實現方法：以頂板曲線數據為例，遍歷每個頂板曲線數據，按照當前支架編號向小號方向計數N 個頂板曲線數據（不足N 個從大號方向補全），向大號方向計數N 個頂板曲線數據（不足N 個從小號方向補全），相鄰2N 個頂板曲線數據計算平均值，當前頂板曲線數據與平均值求差值，如果差值超過人工設定閾值，則認為當前頂板曲線數據不可靠，采用平均值替換。

2.2 采煤機截割路徑優化

采煤機在截割過程中易受到煤層厚度、地質硬度等環境因素的影響，導致截割質量不穩定，截割模板不準確[19]。同時，由于缺乏對已開采空間圍巖狀態的持續分析，無法對已完成開采的頂底板曲線存在的問題進行綜合評估分析，制定相應的曲線修正方案。因此，本文基于工作面頂底板寫實數據，結合人工割煤經驗，通過集控上位機軟件平臺預先規劃采煤機截割路徑，并實時調節截割路徑，以實現滾筒截割高度與工作面頂底板曲線的自適應耦合， 如圖3 所示。

1） 工作面頂底板寫實數據錄入及上傳。在每個生產班開始前，井下采煤工人巡檢工作面，觀察頂底板工程質量，使用APP 移動端軟件記錄工作面頂底板寫實數據，上傳頂底板照片、錄像等真實采場環境素材，根據割煤經驗輸入注意信息；通過工作面無線網絡，將上述數據上傳至地面集控上位機軟件平臺。

2） 工作面頂底板寫實數據確認。地面操控中心人員使用集控上位機軟件平臺人機交互界面查看截割模板，以及工作面頂底板寫實數據、采場照片、錄像及注意信息，參照工作面傾向起伏曲線數據，調整截割模板數據，并存入SQL 關系型數據庫。

3） 截割路徑預先規劃。在采煤機截割過程中，地面操控中心人員關注采煤機截割高度與截割模板之間的差異，同時結合實際情況（如視頻、滾筒截割高度） ，利用集控上位機軟件平臺預先規劃截割路徑。

4） 截割路徑實時干預。在采煤機截割過程中，集控上位機軟件平臺自動下發滾筒截割高度數據，控制滾筒采高、臥底量。當地面操控中心人員發現滾筒截割高度不滿足采場空間需求時，可使用集控上位機軟件平臺人機交互功能在線調節采煤機截割路徑。

2.3 采煤機自適應調高控制

目前，煤礦綜采工作面自動化開采控制大多數處于單機設備自動控制、簡單多機設備交互協同輔助的狀態[20]。由于煤礦開采設備數量大、工藝復雜度高，且采煤工藝、設備控制工序需根據實際生產情況動態調整頻繁[21]，目前的設備交互協同控制無法滿足生產系統整體層面上的調度控制需求，需要將設備間協同控制與生產實際工藝需求有機結合起來。因此，本文通過編輯采煤工藝和設置截割模板數據，形成采煤工藝表文件；集控上位機軟件平臺依據采煤工藝表文件，下發采煤機滾筒截割高度調節量，實現采煤機自適應調高控制，如圖4 所示。

根據采煤機運行方向，將采煤工藝劃分為多個工序階段，每個工序階段中根據采煤機運行位置與方向作為動作的關聯條件，進行采煤機控制邏輯編輯，形成采煤工藝表文件。采煤工藝表文件具備采煤機全工作面割煤工序控制邏輯，該控制邏輯將采煤機在工作面中部段、端部清浮煤段、斜切進刀段、三角煤區域段的工序進行分解，轉換為不同采煤工序階段。每個采煤工序階段可通過接收上一個工序的反饋數據、延遲時間等邏輯判斷作為該采煤工序階段執行邏輯判斷依據，實現整個采煤工藝循環控制。

每個采煤工序階段對應一個表單化的控制屬性參數配置信息，用來配置采煤機控制工序執行的觸發條件和結束條件，以及滾筒截割高度、采煤機運行方向等。根據實際采煤生產過程需要，通過控制屬性參數配置對每個采煤工序滾筒的具體控制方式進行進一步細化，確定滾筒截割路徑。

集控上位機軟件平臺加載采煤工藝表文件后，將其轉換為可執行控制邏輯程序，程序接收采煤機運行狀態參數，分析采煤機運行方向及所在位置，判斷采煤工藝執行階段、工序任務是否需要切換；依據采煤機運行方向及所在位置進行采煤工序切換，判斷采煤工序觸發條件，進行工序調度，按照工序屬性參數配置信息，向采煤機發送調度數據（包括截割模板數據、截割路徑調整量等），采煤機接收數據后通過解析數據執行相應動作，從而確保采煤機滾筒截割按照參數配置自適應調高。

3 采煤機智能截割調控示范應用

為驗證基于工藝驅動的采煤機智能截割調控應用效果，在神東煤炭集團榆家梁煤礦43207 工作面開展了示范應用。

在采煤機截割模板的基礎上，規劃截割調整量，利用采煤工藝驅動，按照編輯的采煤工序及截割參量，調度采煤機運行方向及速度，并按0.1 架的間距，將滾筒截割高度數據自動下發至采煤機執行單元，地面集控上位機軟件平臺即可實現采煤機全工作面智能截割工序的控制。

2022 年10 月1 日，榆家梁煤礦43207 工作面建成采煤機智能截割調控新模式以來，逐漸形成常態化使用，并連續多次刷新單班生產紀錄，其中，10 月4 日零點班首次完成單班完整地面割煤6 刀，10 月7 日首次完成圓班完整地面割煤13 刀，10 月16 日圓班割煤13 刀70 架， 相比傳統人工平均圓班生產12 刀，效率提升達13%。

采煤機智能截割調控方案的示范應用，實現了無人化采煤常態化作業，將生產班工作面作業人員由3 人減少至工作面中部無人，兩端頭固定崗位監護采煤作業，采煤機自動割煤率達97% 以上。

4 結論

1） 按照工作面液壓支架編號實時采集采煤機滾筒截割高度數據，并結合采煤機滾筒截割高度歷史數據對實時數據進行處理，動態生成采煤機截割模板。

2） 結合工作面頂底板寫實數據與人工割煤經驗，預先規劃截割路徑并實時干預，達到滾筒截割高度與采場空間頂底板曲線自適應耦合的效果。

3） 基于采煤機工藝驅動控制滾筒截割高度，從而實現采煤機自適應調高控制。

參考文獻（References）：

[ 1 ]王國法，張良，李首濱，等. 煤礦無人化智能開采系統理論與技術研發進展[J]. 煤炭學報， 2023， 48（1） ：34-53.

WANG Guofa， ZHANG Liang， LI Shoubin， et al.Progress in theory and technological development ofunmanned smart mining system[J]. Journal of ChinaCoal Society，2023，48（1）：34-53.

[ 2 ]王國法，富佳興，孟令宇. 煤礦智能化創新團隊建設與關鍵技術研發進展[J]. 工礦自動化， 2022， 48（12） ：1-15.

WANG Guofa， FU Jiaxing， MENG Lingyu.Development of innovation team construction and keytechnology research in coal mine intelligence[J]. Journalof Mine Automation，2022，48（12）：1-15.

[ 3 ]康紅普，任世華，王保強，等. 煤炭工業數字化發展戰略研究[J]. 中國工程科學，2023，25（6）：170-178.

KANG Hongpu， REN Shihua， WANG Baoqiang， et al.Digital development strategy of coal industry[J].Strategic Study of CAE，2023，25（6）：170-178.

[ 4 ]葛世榮，郝雪弟，田凱，等. 采煤機自主導航截割原理及關鍵技術[J]. 煤炭學報，2021，46（3）：774-788.

GE Shirong，HAO Xuedi，TIAN Kai，et al. Principle andkey technology of autonomous navigation cutting fordeep coal seam[J] Journal of China Coal Society，2021，46（3）：774-788.

[ 5 ]李森，李重重，劉清. 基于透明地質的綜采工作面規劃截割協同控制系統[J]. 煤炭科學技術，2023，51（4）：175-184.

LI Sen，LI Zhongzhong，LIU Qing. Planned cutting andcollaborative control system for fully-mechanizedmining face based on transparent geology[J]. CoalScience and Technology，2023，51（4）：175-184.

[ 6 ]侯運炳，張弘，毛善君，等. 基于高精度三維動態地質模型的采煤機自適應智能截割技術研究[J]. 礦業科學學報，2023，8（1）：26-38.

HOU Yunbing， ZHANG Hong， MAO Shanjun， et al.Adaptive intelligent cutting technology of the shearerbased on the high-precision three-dimensional dynamicgeological model[J]. Journal of Mining Science andTechnology，2023，8（1）：26-38.

[ 7 ]李旭，吳雪菲，田野，等. 基于數字煤層的綜采工作面精準開采系統[J]. 工礦自動化，2021，47（11）：16-21.

LI Xu，WU Xuefei， TIAN Ye， et al. Digital coal seambasedprecision mining system for fully mechanizedworking face[J]. Industry and Mine Automation， 2021，47（11）：16-21.

[ 8 ]司壘，王忠賓，劉新華，等. 基于煤層分布預測的采煤機截割路徑規劃[J]. 中國礦業大學學報， 2014，43（3）：464-471.

SI Lei， WANG Zhongbin， LIU Xinhua， et al. Cuttingpath planning of coal mining machine based onprediction of coal seam distribution[J]. Journal of ChinaUniversity of Mining amp; Technology， 2014， 43（3） ：464-471.

[9]董剛，馬宏偉，聶真. 基于虛擬煤巖界面的采煤機上滾筒路徑規劃[J]. 工礦自動化，2016，42（10）：22-26.

DONG Gang， MA Hongwei， NIE Zhen. Path planningof shearer up-drum based on virtual coal-rockinterface[J]. Industry and Mine Automation， 2016，42（10）：22-26.

[10]符大利. 透明工作面采煤機規劃調高策略研究[J]. 煤礦安全，2023，54（4）：226-231.

FU Dali. Research on planning height adjustmentstrategy of shearer in transparent working face[J].Safety in Coal Mines，2023，54（4）：226-231.

[11]鐘立雯. 基于極限學習機的采煤機記憶截割調高控制算法研究[D]. 西安：西安科技大學，2015.

ZHONG Liwen. Research towards adjustment controlalgorithm of shearer's memorial cutting on the basis ofextreme learning machine[D]. Xi'an：Xi'an University ofScience and Technology，2015.

[12]王煥文，陶福貴，康俊霞. 基于單向示范刀的采煤機記憶截割模型構建及模擬分析[J]. 煤礦機械， 2014，35（10）：105-107.

WANG Huanwen，TAO Fugui，KANG Junxia. Memorycutting model building and simulation analysis of shearerbased on one-way demonstrate cutter[J]. Coal MineMachinery，2014，35（10）：105-107.

[13]李旭東. 采煤機自動調高控制系統的研究[J]. 自動化應用，2020（6）：8-10.

LI Xudong. Research on the automatic height controlsystem of the Shearer[J]. Automation on Application，2020（6）：8-10.

[14]劉送永，程誠，吳洪狀，等. 基于煤巖界面識別的采煤機智能調高控制方法研究[J/OL]. 煤炭科學技術：1-14[2023-08-17]. https：//doi.org/10.13199/j.cnki.cst.2022-0004.

LIU Songyong， CHENG Cheng， WU Hongzhuang， etal. Study on intelligent height adjustment control methodof shearer based on coal-rock interfacerecognition[J/OL]. Coal Science and Technology：1-14[2023-08-17]. https：//doi.org/10.13199/j.cnki.cst.2022-0004.

[15]許連丙. 基于Elman 神經網絡的采煤機智能調高控制算法研究[J]. 機電工程技術， 2021， 50（6） ： 163-164，177.

XU Lianbing. Research on intelligent height adjustmentcontrol algorithm of shearer based on Elman neuralnetwork[J]. Mechanical amp; Electrical EngineeringTechnology，2021，50（6）：163-164，177.

[16]盧春鋒. 采煤機自適應截割及跟蹤控制技術研究[J].能源與節能，2024（5）：122-125.

LU Chunfeng. Adaptive cutting and tracking controltechnology of shearers[J]. Energy and EnergyConservation，2024（5）：122-125.

[17]申偉，晉瑜. 基于記憶原理的采煤機自動割煤系統研究及應用[J]. 自動化應用，2019（6）：19-20.

SHEN Wei， JIN Yu. Research and application ofautomatic coal cutting system of shearer based onmemory principle[J]. Automation Application，2019（6）：19-20.

[18]王云龍. 綜采工作面采煤機記憶割煤技術的實現[J].煤炭與化工，2017，40（12）：69-71.

WANG Yunlong. Implement of memory coal slicingtechnology in fully mechanized working face[J]. Coaland Chemical Industry，2017，40（12）：69-71.

[19]劉春生，劉[19] 延婷，劉若涵，等. 采煤機截割狀態與煤巖識別的關聯載荷特征模型[J]. 煤炭學報， 2022，47（1）：527-540.

LIU Chunsheng， LIU Yanting， LIU Ruohan， et al.Correlation load characteristic model between shearercutting state and coal-rock recognition[J]. Journal ofChina Coal Society，2022，47（1）：527-540.

[20]黃曾華. 綜采工作面自動化控制系統在王坡煤礦的應用[J]. 煤礦開采，2013，18（4）：52-54.

HUANG Zenghua. Application of automatic controlsystem for full-mechanized mining face in WangpoColliery[J]. Coal Mining Technology， 2013， 18（4） ：52-54.

[21]宋燾，董博，黨恩輝. 基于智能感知的綜采三機遠程智能協同控制技術[J]. 煤礦機械，2022，43（6）：172-175.

SONG Tao， DONG Bo， DANG Enhui. Remoteintelligent cooperative control technology of threemachines in fully mechanized mining face based onintelligent perception[J]. Coal Mine Machinery， 2022，43（6）：172-175.

基金項目：國家重點研發計劃項目（2023YFC2907504）；山東省重大科技創新工程資助項目（2020CXGC011501）；北京天瑪智控科技股份有限公司科技項目（2023-TM-021-J1）。